7 信息处理.pptVIP

第7章 信息处理 以实例说明如何在互联网上采集信息、整理信息和分析信息，得出有价值的结论。 本章学习目标 了解信息处理的主要步骤 掌握信息处理的具体方法 学会利用互联网的信息帮助决策 7.1 步骤要点 （1）确定我们的目标； （2）确定信息数据源； （3）用合适的方法采集数据； （4）对数据进行整理，得到可分析的数据； （5）对数据进行分析，得出有价值的结论。 7.2 确定目标 例：通过了解证券投资基金重点投资的股票，寻找潜在的投资对象。 7.3 确定数据源 例：以深圳证券交易所下属深圳证券信息有限公司主办的巨潮资讯（）的基金债券频道为数据源。 7.4 采集数据 数据较少时可直接在浏览器上打开处理 数据量较大时应考虑用FlashGet、Offline Explorer等下载软件或离线浏览软件将数据下载 7.5 整理数据 数据格式的转换是可用相关软件进行批量处理 7.6 分析数据 对整理好的数据，用EXCEL等软件进行分析，可以得出有价值的结论。 7.7 思考与练习 1．网上信息采集、整理和分析的步骤有哪些？ 2．自选题材和内容，进行网上信息的采集、整理和分析操作。并简单说明处理的过程。 附录：信息处理过程 目标：获得上海股票交易所股票中各支股份的每股净资产、每股未分配利润等数据，并导入Excel进行分析 选择数据源 选择新浪财经网站中的股票数据作为数据源 分析数据源页面URL规则 以包含有所需信息的招商银行股票页面为例： 其URL：/realstock/company/sh600036/nc.shtml 股票编号为：600036 获取原始数据 利用迅雷、Flashget等软件根据股票页面URL规律批量下载原始页面 例如：可批量下载股票编号为600100至600200等100支股票的页面，对应URL为： /realstock/company/sh600100/nc.shtml ～ /realstock/company/sh600200/nc.shtml 注：有的股票代码对应页面不存折，可结束相应下载任务 数据整理 所获得的数据为HTML页面，各种所需数据被HTML标签所包围，不方便直接进行处理，为此，使用htmasc32工具软件将其转换为只包含文字内容的文本文件 注：在vista下可能需要以管理员身份运行htmasc 数据抽取 转换后获得的TXT文件中包含有所需要的信息，需要将其单独抽取出来，包括： 股票名称、编号 每股净资产 每股未分配利润 数据抽取 对所获得的TXT进行观察分析，归纳所需数据的上下文特征： 莱钢股份(600102)_沪深行情_财经纵横_新浪网 每股净资产:6.1000元 每股未分配利润:2.5296元 数据抽取 使用grep工具根据特征进行抽取，将所获得的TXT和grep.exe拷贝到同一目录，在命令行下运行以下命令： grep _沪深行情_财经纵横_新浪网 *.txt name.txt 将包含股票名称及编号的文本行导出到name.txt文件中 grep 每股净资产: *.txt mgjzc.txt 将包含股票每股净资产的文本行导出到mgjzc.txt文件中 grep 每股未分配利润: *.txt mgwfplr.txt 将包含股票每股未分配利润的文本行导出到mgwfplr.txt文件中 数据导出 使用UltraEdit编辑器的列模式和替换功能对这3个结果文件进行处理，删除掉不需要的内容，并将所需数据逐列拷贝至EXCEL电子表中，最后对电子表数据进行排序即可得到所需要的数据。 * * NC(1).TXT:青山纸业(600103)_沪深行情_财经纵横_新浪网 NC(10).TXT:包钢稀土(600111)_沪深行情_财经纵横_新浪网 NC(11).TXT:长征电气(600112)_沪深行情_财经纵横_新浪网 NC(12).TXT:浙江东日(600113)_沪深行情_财经纵横_新浪网 NC(13).TXT:东睦股份(600114)_沪深行情_财经纵横_新浪网 NC(14).TXT:ST东航(600115)_沪深行情_财经纵横_新浪网 NC(15).TXT:三峡水利(600116)_沪深行情_财经纵横_新浪网 NC(16).TXT:中国卫星(600118)_沪深行情_财经纵横_新浪网 NC(17).TXT:浙江东方(600120)_沪深行情_财经纵横_新浪网 NC(18).TXT:郑州煤电(600121)_沪深行情_财经纵横_新浪网 NC(19).TXT:西宁特钢(600117)_沪深行情_财经纵横_新浪网 NC(2).TXT:明星电力(600101)_沪深行情_财经纵横_新浪网 NC(20).TXT:长江投资(600119)_沪深行情_财经纵横_新浪网